基于多粒度空間混亂的細(xì)粒度圖像分類算法

宋思雨，苗奪謙,2

（1.同濟(jì)大學(xué) 電子與信息工程學(xué)院, 上海 201804; 2.同濟(jì)大學(xué) 嵌入式系統(tǒng)與服務(wù)計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室, 上海201804）

細(xì)粒度圖像分類是計(jì)算機(jī)視覺領(lǐng)域中一項(xiàng)非常具有挑戰(zhàn)性的任務(wù)，它的目標(biāo)是對(duì)圖像中的物體在同一大類下的許多子類中進(jìn)行正確分類[1]，因此細(xì)粒度圖像分類也被稱作子類別圖像分類[2]。細(xì)粒度圖像分類存在類內(nèi)相似度小且類間相似度大的分類難點(diǎn)[3]。在細(xì)粒度圖像分類的數(shù)據(jù)中，具有區(qū)分度的重要信息往往包含在一些局部區(qū)域，并且多數(shù)情況下同一子類別物體也僅有局部微小區(qū)域不同，如何尋找到有判別力的局部區(qū)域，并借助于極其細(xì)微的局部差異較好地完成分類是細(xì)粒度圖像分類任務(wù)的難點(diǎn)。

近年來深度學(xué)習(xí)技術(shù)[4-6]在人工智能領(lǐng)域已成為主流的方法，對(duì)基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks, CNN)的細(xì)粒度圖像分類按照監(jiān)督信息，可以分為基于強(qiáng)監(jiān)督信息和基于弱監(jiān)督信息兩類。基于強(qiáng)監(jiān)督信息的細(xì)粒度圖像分類方法為了獲取更好的分類準(zhǔn)確度，除了使用圖像的類別標(biāo)簽以外，還使用了物體標(biāo)注框(object bounding box)和部位標(biāo)注點(diǎn)(part annotation)等額外的強(qiáng)監(jiān)督信息，而基于弱監(jiān)督信息的細(xì)粒度分類模型只使用圖像級(jí)別的標(biāo)注信息來提取有判別性的局部特征完成分類。為了更好地尋找判別性局部區(qū)域，本文提出了一種基于弱監(jiān)督信息的細(xì)粒度圖像分類方法，在骨干網(wǎng)絡(luò)中加入多粒度空間混亂模塊?？臻g混亂模塊對(duì)圖像進(jìn)行碎片化后重組，打破圖像整體關(guān)聯(lián)性，迫使網(wǎng)絡(luò)去尋找對(duì)分類更有幫助的局部區(qū)域，細(xì)粒度圖像分類的重要判別點(diǎn)往往都在這些局部區(qū)域。在此基礎(chǔ)上引入多粒度思想[7-9]，從多個(gè)粒度層面[10]更加全面地尋找不同粒度[11]的局部區(qū)域并提取特征，來提高分類準(zhǔn)確率。

本文的主要貢獻(xiàn)如下:

1) 提出了一種基于弱監(jiān)督信息的細(xì)粒度圖像分類方法，無需部位級(jí)別的標(biāo)簽，僅需類別標(biāo)簽即可達(dá)到不錯(cuò)的分類精度，而且模型的空間成本和時(shí)間成本低；

2) 提出空間混亂模塊，對(duì)輸入圖像進(jìn)行切分并打亂重組的操作，破壞圖像局部區(qū)域之間的關(guān)聯(lián)性，使網(wǎng)絡(luò)更好地尋找有判別力的局部區(qū)域，方法簡(jiǎn)單但非常有效；

3) 在單一尺度的空間混亂模塊基礎(chǔ)上引入多粒度思想，迫使網(wǎng)絡(luò)學(xué)習(xí)到如何捕捉不同粒度層次的判別性區(qū)域，使網(wǎng)絡(luò)分類性能更魯棒。

1 相關(guān)工作

細(xì)粒度圖像分類任務(wù)的研究方向主要分為兩種：基于強(qiáng)監(jiān)督信息和基于弱監(jiān)督信息的細(xì)粒度圖像分類。區(qū)別在于，基于強(qiáng)監(jiān)督信息的方法在模型訓(xùn)練階段，為了獲得更好的分類精度，除了圖像的類別標(biāo)簽外，還使用局部區(qū)域位置和標(biāo)注框等額外的人工標(biāo)注信息，用于定位圖像局部關(guān)鍵區(qū)域。而基于弱監(jiān)督信息的細(xì)粒度圖像分類的方法僅僅依靠圖像級(jí)別的標(biāo)簽，在不借助部位標(biāo)注的情況下對(duì)細(xì)粒度圖像進(jìn)行分類。

1.1 基于強(qiáng)監(jiān)督信息的方法

最早的具有代表性的方法是2014年被提出的基于部位的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)[12]，該方法使用自底向上的區(qū)域選擇算法[13]來產(chǎn)生候選區(qū)域，用區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(regions with convolutional neural networks, R-CNN)算法給出評(píng)價(jià)分值，選出分值高的區(qū)域，進(jìn)行特征級(jí)聯(lián)作為總體特征送進(jìn)支持向量機(jī)(support vector machines, SVM)分類器進(jìn)行分類。Branson等[14]提出了姿態(tài)歸一化網(wǎng)絡(luò)，該研究工作采用對(duì)不同級(jí)別的圖像塊進(jìn)行姿態(tài)對(duì)齊[15]的操作。來自悉尼科技大學(xué)Huang等[16]在2016 年提出了部位堆疊網(wǎng)絡(luò)(part-stacked CNN)，在部位級(jí)別的定位過程中采用了全卷積網(wǎng)絡(luò)[17]，引入全卷積網(wǎng)絡(luò)的好處在于特征圖可以直接作為部件的定位結(jié)果應(yīng)用于分類網(wǎng)絡(luò)。Lin[18]提出的深度定位對(duì)齊分類網(wǎng)絡(luò)(deep localization alignment and classification, Deep LAC)使用同一個(gè)網(wǎng)絡(luò)進(jìn)行部件定位、對(duì)齊和分類，并且提出了閥門連接函數(shù)(valve linkage function, VLF)用來優(yōu)化定位和分類子網(wǎng)絡(luò)之間的連接。南京大學(xué)的魏秀參[19]在2017 年提出了 掩碼卷積神經(jīng)網(wǎng)絡(luò)(mask CNN) ，該網(wǎng)絡(luò)利用全卷積網(wǎng)絡(luò)生成掩碼，用于局部定位和選擇深度描述符[20]構(gòu)建圖像、頭部、軀干和對(duì)象的四流網(wǎng)絡(luò)，該網(wǎng)絡(luò)是第一個(gè)端到端的用于細(xì)粒度圖像分類網(wǎng)絡(luò)模型。盡管基于強(qiáng)監(jiān)督信息的分類模型獲得了不錯(cuò)的分類精度，但使用的部位級(jí)標(biāo)注信息獲取困難且代價(jià)昂貴，使得這類算法的實(shí)際應(yīng)用被局限了。

1.2 基于弱監(jiān)督信息的方法

目前細(xì)粒度圖像分類的一個(gè)明顯趨勢(shì)是在模型訓(xùn)練時(shí)僅使用圖像級(jí)別標(biāo)注信息，而不再使用額外的部位級(jí)別標(biāo)注信息。 2015年兩級(jí)注意力模型被提出，作者發(fā)現(xiàn)注意力機(jī)制對(duì)于細(xì)粒度圖像的局部特征有很好的提取效果。同年文獻(xiàn)[21]提出了多粒度卷積神經(jīng)網(wǎng)絡(luò)，該模型包含多個(gè)獨(dú)立的CNN， 每個(gè)CNN內(nèi)部有不同粒度的興趣域。2016年Liu Xiao提出了一種基于強(qiáng)化學(xué)習(xí)的全卷積注意力局部網(wǎng)絡(luò)[22]提出了一種基于強(qiáng)化學(xué)習(xí)的全卷積注意力局部網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)模擬人類視覺系統(tǒng)的識(shí)別過程，將相關(guān)區(qū)域放大處理進(jìn)行進(jìn)一步判斷。 Lin等[23]設(shè)計(jì)了 雙線性卷積神經(jīng)網(wǎng)絡(luò)(bilinear CNN)，該模型非常高效而且數(shù)學(xué)基礎(chǔ)扎實(shí)，其中的雙線性池化(bilinear pooling)[24]提供了比線性模型更精確的特征表示，并且可以端到端的進(jìn)行優(yōu)化，但是雙線性模型的維度太高，很難泛化使用。

1.3 DCL

破壞和重建學(xué)習(xí)網(wǎng)絡(luò)[25](destruction and construction learning, DCL)是一種新穎的細(xì)粒度圖像分類模型，該模型引入一個(gè)DCL流來自動(dòng)從判別性區(qū)域中進(jìn)行學(xué)習(xí)。 首先作者借鑒了自然語言處理中常用的打亂方法，提出區(qū)域混淆機(jī)制來劃分輸入圖像并隨機(jī)打亂它們，同時(shí)引入對(duì)抗性損失降低噪聲的影響，使網(wǎng)絡(luò)進(jìn)行破壞學(xué)習(xí)，然后提出區(qū)域?qū)R網(wǎng)絡(luò)恢復(fù)原始區(qū)域布局，通過重建對(duì)局部區(qū)域間的相關(guān)性進(jìn)行建模。文獻(xiàn)[25]的RCM部分將圖像分為N×N的局部區(qū)域，其中N被固定為7，這種情況下模型只能劃分固定尺度大小的局部區(qū)域 無法獲取到多種尺度的局部區(qū)域特征。本文將結(jié)合多粒度思想并參考DCL的RCM部分，將圖像分為不同粒度大小的局部區(qū)域，從而使模型關(guān)注到不同尺寸大小的判別性局部區(qū)域用于分類。

2 空間混亂模塊

在細(xì)粒度圖像分類任務(wù)中，局部細(xì)節(jié)往往比全局結(jié)構(gòu)信息更加重要。多數(shù)情況下不同的細(xì)粒度類別具有相同的全局結(jié)構(gòu)而只在具體的局部細(xì)節(jié)上不同。將圖像中的局部區(qū)域打亂，對(duì)細(xì)粒度識(shí)別不重要的一些不相關(guān)的區(qū)域就會(huì)被忽略，并且將迫使網(wǎng)絡(luò)學(xué)習(xí)到具有辨別性的局部細(xì)節(jié)，從而更好地對(duì)圖像進(jìn)行分類。

在自然語言處理中，打亂句子中單詞的順序會(huì)迫使神經(jīng)網(wǎng)絡(luò)聚焦有判別性的詞語，忽視無關(guān)詞語。同樣，將圖像分為多個(gè)局部區(qū)域，把局部區(qū)域看作自然語言處理中的單詞，然后進(jìn)行隨機(jī)的打亂重組，神經(jīng)網(wǎng)絡(luò)將更專注于從有判別性的局部區(qū)域?qū)W習(xí)分類的細(xì)節(jié)。為此，本文提出空間混亂模塊，對(duì)輸入圖像進(jìn)行碎片化打亂重組。

如圖1所示，本文定義的局部區(qū)域隨機(jī)重組模塊將會(huì)對(duì)輸入圖像的局部區(qū)域進(jìn)行打亂重組，得到新的局部區(qū)域無關(guān)聯(lián)性的圖像。這個(gè)模塊的輸入是一張圖片I，圖片的邊長(zhǎng)n(輸入圖片應(yīng)該為經(jīng)過大小歸一化處理的正方形，故只需要邊長(zhǎng)即可)和劃分粒度G，其中I是圖片的三維向量，n代表圖片的邊長(zhǎng)，即圖片的尺寸是n×n像素，G代表將圖片劃分為G×G個(gè)子區(qū)域。首先，每個(gè)區(qū)域標(biāo)記為R(k) ，k是將子區(qū)域劃分后的一維排序的序號(hào)， 1 ≤k≤G2，子區(qū)域也可以用R(i，j)表示，i和j分別表示行索引和列索引， 1 ≤i,j≤G?？梢酝ㄟ^i，j來表示k，具體為

圖1 空間混亂模塊的流程Fig.1 Process of regions shuffle

圖片大小和粒度相除可得到子區(qū)域的邊長(zhǎng)s，即子區(qū)域的尺寸是s×s。利用邊長(zhǎng)s可以計(jì)算第i行第j列的子區(qū)域的圖片的三維向量，用d來表示向量的維度，具體為

將劃分好的有序子區(qū)域進(jìn)行隨機(jī)化，生成一個(gè)長(zhǎng)度為G2的隨機(jī)向量q，第m個(gè)元素的值為r，其中 1 ≤m≤G2。向量q的元素取值r，服從U(1，G2)的均勻分布，即r的值在(1，G2)的區(qū)間內(nèi)等概率隨機(jī)選取一個(gè)值，概率公式如式(3)所示，向量q的表示如式(4)所示。

原來的子區(qū)域列表按照隨機(jī)向量q進(jìn)行重新排列，得到新的子區(qū)域列表，然后按照對(duì)應(yīng)位置進(jìn)行拼接，得到重組后的完整圖像I：

空間混亂模塊的流程如算法1所示：

算法 1空間混亂算法

輸入I,G,n,q

輸出

1)s←n/G

2) fori= 1,2,···,Gdo

3) forj= 1,2,···,Gfor j = 1,2,···,Gdo

4)R(i,j) ← I[is: (i+1)s][js: (j+1)s]

5)k←i×G+j

6)R(k) ←R(i,j)

7) end for

8) end for

9) fori= 1,2,···,Gdo

10) forj= 1,2, ···,Gdo

11)k←i×G+j

13) end for

14) end for

該模塊需要被添加在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練初始階段，從而引導(dǎo)網(wǎng)絡(luò)去學(xué)習(xí)細(xì)粒度圖像的重要細(xì)節(jié)。經(jīng)過該模塊處理后的局部區(qū)域混亂的圖片能迫使網(wǎng)絡(luò)尋找那些對(duì)分類有幫助的局部區(qū)域，并從這些局部區(qū)域中學(xué)習(xí)到相應(yīng)的特征。

本模塊的粒度參數(shù)的設(shè)置和添加輪次的選擇將會(huì)在第4節(jié)實(shí)驗(yàn)部分給予詳細(xì)說明。

3 融入多粒度思想

粒計(jì)算是一種?；乃季S方式及方法論，粒計(jì)算中的多粒度思想可以看作是用一種基于多層次與多視角的問題求解方法。 給神經(jīng)網(wǎng)絡(luò)輸入的數(shù)據(jù)集中的原始圖片就可以看成最粗粒度的信息，本文第2節(jié)所述的空間混亂模塊從粒計(jì)算角度來看，是將圖像的粒度細(xì)化，得到更細(xì)粒度的信息的過程。

細(xì)粒度圖像分類數(shù)據(jù)集中的物體外形都是相似的，可能只有很小的部位不同。比如CUB200數(shù)據(jù)集中，不同鳥類可能只是眼睛顏色不同或者翅膀的形狀不同，能正確決定分類結(jié)果的就是一些有判別力的局部區(qū)域，但這些局部區(qū)域有大有小，比如翅膀相對(duì)眼睛是較大的，那么翅膀的形狀在粒度較大的局部區(qū)域容易被神經(jīng)網(wǎng)絡(luò)所捕捉到，而眼睛在粒度較小的局部區(qū)域才會(huì)被網(wǎng)絡(luò)發(fā)現(xiàn)是具有判別力的特征。

前文所述的空間混亂模塊，是希望網(wǎng)絡(luò)忽視圖像的整體關(guān)聯(lián)性，專注于學(xué)習(xí)如何尋找具有判別力的局部區(qū)域，但是，具有判別力的局部區(qū)域可能并不都在一個(gè)粒度層次上。本文引入空間混亂模塊的作用其一就是希望網(wǎng)絡(luò)不會(huì)僅僅學(xué)習(xí)到原始圖像的最粗粒度的特征，也能學(xué)習(xí)到如何去尋找小的局部區(qū)域的有用特征。

由于圖像分辨率不同以及待分類物體在圖像中的占比大小不同，導(dǎo)致即使進(jìn)行空間混亂模塊后，同一類別的圖像得到的局部區(qū)域代表的特征意義依然不同。如圖2所示，同一類別下的圖像中的物體由于大小和占比不同，經(jīng)過空間混亂模塊后得到的局部區(qū)域代表的部位意義也是有所區(qū)別的，上面的圖片網(wǎng)絡(luò)明顯可以學(xué)習(xí)到頭部級(jí)別的信息，下面的圖片網(wǎng)絡(luò)更關(guān)注的會(huì)在眼睛和喙。如果能在此基礎(chǔ)上將圖片通過其他粒度的空間混亂模塊后，每個(gè)粒度做獨(dú)立的引導(dǎo)，那么模型可以在不同的粒度學(xué)習(xí)到更多信息，做決策時(shí)將更加魯棒。

圖2 同一類別下的不同圖片經(jīng)過空間混亂模塊后的結(jié)果Fig.2 Results of two images from the same category after regions shuffle

綜上所述，對(duì)第2節(jié)中提出的空間混亂模塊融入多粒度思想進(jìn)行改進(jìn)。原始圖像是粒度最大的，網(wǎng)絡(luò)最容易從中學(xué)到整體輪廓這種物體級(jí)別的特征，但細(xì)粒度圖像分類的模型只學(xué)習(xí)到大體輪廓是難以獲取到較好的分類結(jié)果的。將空間混亂模塊的粒度參數(shù)設(shè)置為不同的值，隨著劃分粒度的增加，模型將能關(guān)注到越來越微小的局部區(qū)域信息。

圖3演示了當(dāng)把空間混亂模塊的粒度參數(shù)分別設(shè)為2、4、7的時(shí)候，同一輸入的圖像所能獲得的不同粒度下的結(jié)果。圖3中的兩個(gè)原始圖像屬于兩個(gè)不同的子類別，兩個(gè)子類別細(xì)致的差異在于其中一個(gè)類別的鳥類面部是紅色的，而另一個(gè)是黑色的且頸部有不同，除此之外的體型輪廓、大致顏色都是相近的。通過不同粒度的劃分，可以明顯觀察到，經(jīng)過粒度為2的空間混亂模塊的結(jié)果可以從頭部進(jìn)行一定程度的區(qū)分，但差異性并不大，因?yàn)轭^部形狀是相近的。但在經(jīng)過粒度為4的空間混亂模塊后，左圖的第1行、第1列和右圖的第3行、第4列有明顯不同，可以區(qū)分，網(wǎng)絡(luò)學(xué)習(xí)到如何在這個(gè)粒度下找到這兩個(gè)判別性的區(qū)域?qū)?huì)對(duì)分類有非常大的幫助。這是單一粒度的空間模塊所不能實(shí)現(xiàn)的效果。

4 實(shí)驗(yàn)與結(jié)果

本節(jié)將通過實(shí)驗(yàn)闡述本文提出的技術(shù)的可行性和效果。具體包括使用本文提出的技術(shù)構(gòu)建了一個(gè)模型，并且在3個(gè)標(biāo)準(zhǔn)細(xì)粒度圖像分類數(shù)據(jù)集上評(píng)估了模型的性能，與其他主流算法的效果進(jìn)行對(duì)比，并添加消融實(shí)驗(yàn)驗(yàn)證各模塊的效果，實(shí)驗(yàn)過程中沒有使用任何部位標(biāo)注信息。

4.1 實(shí)驗(yàn)數(shù)據(jù)集

本次實(shí)驗(yàn)在3個(gè)細(xì)粒度圖像分類數(shù)據(jù)集進(jìn)行。3個(gè)數(shù)據(jù)集分別是CUB-200-2011鳥類數(shù)據(jù)集[26]、FGVC Aircraft飛機(jī)數(shù)據(jù)集[27]和 Stanford Cars車類數(shù)據(jù)集[28]。表1展示了3個(gè)數(shù)據(jù)集的詳細(xì)信息。

表1 細(xì)粒度圖像分類數(shù)據(jù)集Table 1 Fine-grained visual classification datasets

4.2 實(shí)驗(yàn)細(xì)節(jié)

實(shí)驗(yàn)環(huán)境：本文實(shí)驗(yàn)所使用的深度學(xué)習(xí)框架是PyTorch，使用的顯卡是Tesla V100。

實(shí)驗(yàn)參數(shù)細(xì)節(jié)：模型分別采用兩種骨干網(wǎng)絡(luò)，即 ResNet-50[29]和VGG-16[30]，這兩個(gè)骨干網(wǎng)絡(luò)均采用ImageNet數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練。訓(xùn)練所使用的唯一標(biāo)注信息是圖像的類別標(biāo)注信息。輸入圖片將被調(diào)整為512×512的固定大小，然后隨機(jī)裁剪成448×448。 圖像的數(shù)據(jù)增強(qiáng)操作包括隨機(jī)水平翻轉(zhuǎn)和隨機(jī)旋轉(zhuǎn)。 模型采用的優(yōu)化器是隨機(jī)梯度下降法(stochastic gradient descent, SGD)，其中動(dòng)量參數(shù)設(shè)置為0.9，學(xué)習(xí)衰減率為0.000 1。訓(xùn)練的最大迭代輪次(Epoch)設(shè)為180，小批量樣本數(shù)(mini-batch size)設(shè)為6，初始學(xué)習(xí)率設(shè)為0.001，并且每60輪衰減一次，衰減權(quán)重0.1。

多粒度空間混亂模塊參數(shù)設(shè)置：粒度層次為3，具體粒度分別為2、4、7。多粒度空間混亂模塊在第90輪開始加入到網(wǎng)絡(luò)中，前90輪不使用多粒度空間混亂模塊。測(cè)試階段不使用該模塊。

4.3 實(shí)驗(yàn)結(jié)果

首先對(duì)于多粒度空間混亂模塊的參數(shù)設(shè)置都是經(jīng)過實(shí)驗(yàn)得出的，主要包括使用輪次選擇和多粒度空間混亂模塊的粒度選擇。多粒度空間混亂模塊不適用于所有輪次，會(huì)增加噪聲，不利于模型分類精度的提高，根據(jù)先整體后局部的思想和先局部后整體的思想分別進(jìn)行了實(shí)驗(yàn)，先整體后局部的思想的具體實(shí)施是前90輪次禁用該模塊，90~180輪次采用該模塊；先局部后整體的思想是前90輪次采用該模塊 ，90~180輪次禁用該模塊，最后得出最佳的方案是前90輪次禁用該模塊，90~180輪次采用該模塊。這說明模型先學(xué)習(xí)整體特征再學(xué)習(xí)局部區(qū)域特征是一種更有效的學(xué)習(xí)順序。進(jìn)行粒度選擇分為粒度層次的選擇和粒度組合的選擇。粒度層次過多則模型復(fù)雜度會(huì)過大，并且隨著粒度層次的增加并不會(huì)帶來明顯的準(zhǔn)確度提升，通過嘗試2層、3層和4層3種粒度層次，發(fā)現(xiàn)3層時(shí)效果最好。確定粒度層次后，還要選擇具體的粒度組合，實(shí)驗(yàn)使用2、4、7、14這4種粒度進(jìn)行組合，最大的粒度為14 ，因?yàn)楦蟮牧６葘⑹箞D片完全混亂，對(duì)網(wǎng)絡(luò)沒有幫助反而降低網(wǎng)絡(luò)的分類準(zhǔn)確率。具體實(shí)驗(yàn)結(jié)果如表2所示，采用數(shù)據(jù)集為CUB-200-2011。

表2 不同粒度的結(jié)果Table 2 Results of different granularity combination

進(jìn)行消融實(shí)驗(yàn)，來體現(xiàn)多粒度空間混亂模塊對(duì)于模型分類準(zhǔn)確度的貢獻(xiàn)，在加了粒度為4的空間混亂模塊后，網(wǎng)絡(luò)分類的準(zhǔn)確率提高了2.0%，引入多粒度思想后，網(wǎng)絡(luò)分類的準(zhǔn)確率提高了3.1% ，采用數(shù)據(jù)集為CUB-200-2011，如表3所展示。

表3 消融實(shí)驗(yàn)Table 3 Ablation experiment

實(shí)驗(yàn)采用的模型無需任何部位級(jí)別標(biāo)注，相對(duì)于其他需要對(duì)物體或部位進(jìn)行定位或者采用多級(jí)網(wǎng)絡(luò)的方法，空間復(fù)雜度和時(shí)間復(fù)雜度都有一定程度的降低，并且依然可以有較好的分類準(zhǔn)確度。其中使用ResNet-50作為骨干網(wǎng)絡(luò)時(shí)的準(zhǔn)確率優(yōu)于其他算法，對(duì)比其他算法的準(zhǔn)確率如表4所示。

表4 對(duì)比結(jié)果Table 4 Comparison results

5 結(jié)束語

本文提出了多粒度空間混亂模塊。 多粒度空間混亂模塊是一個(gè)輕量級(jí)的模塊，不會(huì)引入過多開銷，但是可以通過引導(dǎo)網(wǎng)絡(luò)學(xué)習(xí)尋找不同粒度下的判別性區(qū)域，來提高網(wǎng)絡(luò)分類的準(zhǔn)確率，是簡(jiǎn)單且實(shí)用的。未來會(huì)考慮不只在原始圖像上進(jìn)行隨機(jī)打亂重組的操作，也在網(wǎng)絡(luò)中的某一層的特征表示上進(jìn)行一些混淆操作。.